编程语言
首页 > 编程语言> > Python - 命令式编程与符号编程

Python - 命令式编程与符号编程

作者:互联网

原文链接:https://zh.d2l.ai/chapter_computational-performance/hybridize.html
本文是对原文内容的摘取和扩展。

命令式编程(imperative style programs)

使用编程语句改变程序状态,明确输入变量,并根据程序逻辑逐步运算。

虽然使用命令式编程很方便,但它的运行可能很慢,会存在重复调用函数和长时间保存变量值等问题,耗费内存。

示例:

def sample_add(a, b):
    return a + b


def sample_fancy_func(a, b, c, d):
    e = sample_add(a, b)
    f = sample_add(c, d)
    g = sample_add(e, f)
    return g


print(sample_fancy_func(1, 2, 3, 4))

运行结果:10

符号式编程(symbolic style programs)

通常在计算流程完全定义好后才被执行。

一般来说,符号式编程的程序需要下面3个步骤:

  1. 定义计算流程;
  2. 把计算流程编译成可执行的程序;
  3. 给定输入,调用编译好的程序执行。

由于在编译时系统能够完整地获取整个程序,因此有更多空间优化计算,不仅减少了函数调用,还节省了内存。
深度学习框架TensorFlow和Theano采用了符号式编程的方法。

示例:

def add_str():
    """仅以字符串形式返回计算流程"""
    return '''
def add(a, b):
    return a + b
'''


def fancy_func_str():
    """仅以字符串形式返回计算流程"""
    return '''
def fancy_func(a, b, c, d):
    e = add(a, b)
    f = add(c, d)
    g = add(e, f)
    return g
'''


def evoke_str():
    """仅以字符串形式返回计算流程"""
    return add_str() + fancy_func_str() + '''
print(fancy_func(1, 2, 3, 4))
'''


prog = evoke_str()
print(prog)
x = compile(prog, '', 'exec')  # 通过compile函数编译完整的计算流程并运行
exec(x)

运行结果:

def add(a, b):
    return a + b

def fancy_func(a, b, c, d):
    e = add(a, b)
    f = add(c, d)
    g = add(e, f)
    return g

print(fancy_func(1, 2, 3, 4))

10

计算图/符号图(computation graph/symbolic graph)

符号式编程将计算过程抽象为一张计算图(符号图)来描述整个计算过程。

大多数符号式程序都会显式地或是隐式地包含编译步骤,将计算图转换为能被调用的函数,在代码的最后一行才真正地进行运算。
也就是说,符号式程序清晰地将定义运算图的步骤与编译运算的步骤分割开来。

混合式编程

简而言之,命令式编程容易理解和调试,命令语句基本没有优化,按原有逻辑执行。
符号式编程涉及较多的嵌入和优化,不容易理解和调试,但运行速度有同比提升。

有没有可能既得到命令式编程的好处,又享受符号式编程的优势?
开发者们认为,用户应该用纯命令式编程进行开发和调试;
当需要产品级别的计算性能和部署时,用户可以将大部分命令式程序转换成符号式程序来运行。
深度学习框架caffe和mxnet采用了两种编程模式混合的方法。

标签:return,Python,编程,fancy,add,命令式,计算,def
来源: https://www.cnblogs.com/anliven/p/10349356.html